机器学习与成矿预测:以闽西南铁多金属矿预测为例

• 作者: 张振杰 成秋明 杨玠 武国朋 葛云钊
• 来源期刊: 地学前缘
• 关键词: 矿产预测 机器学习 马坑式铁矿
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 三维地质建模与隐伏矿预测评价
• 页码范围: 221-235
• 页数: 15页
• 分类号: TP181|P612|P618.31
• 语种: 中文
• DOI: 10.13745/j.esf.sf.2021.1.4

摘要

作为近年来爆炸式发展的方法模型,机器学习为地质找矿提供了新的思维和研究方法.本文探讨矿产预测研究的理论方法体系,总结机器学习在矿产预测领域的特征信息提取和信息综合集成两个方面的应用现状,并讨论机器学习在矿产资源定量预测领域面临的训练样本稀少且不均衡、模型训练中缺乏不确定性评估、缺少反哺研究、方法选择等困难和挑战.进一步以闽西南马坑式铁矿为实例论述基于机器学习方法的矿产预测基本流程:(1)通过成矿系统研究建立成矿模型,确定矿床控矿要素;(2)通过勘查系统研究建立找矿模型,并为评价预测提供相关的勘查数据;(3)通过预测评价系统研究,建立预测模型,并提取预测要素;(4)利用机器学习模型对预测要素进行信息综合集成,获取成矿有利度图;(5)对预测性能和结果进行不确定性评估;(6)找矿靶区/成矿远景区圈定及资源量估算.最后,总结建立以地学大数据和地球系统理论为指导,以"地球系统-成矿系统-勘查系统-预测评价系统"为研究路线的基于地学大数据的矿产资源定量预测理论和方法体系的研究愿景.